深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
3921	2025-04-06	Federated Partially Supervised Learning With Limited Decentralized Medical Images 2023-07, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2022.3231017 PMID:37015445	research paper	本文提出了一种新的联邦部分监督学习（FPSL）框架FedPSL，用于处理有限分散的医学图像数据	提出了联邦部分监督学习（FPSL）的新问题，并设计了包含任务依赖模型聚合和任务无关解耦学习的FedPSL框架	实验基于模拟数据，未在真实临床环境中验证	解决医学图像数据分散和部分标注情况下的联邦学习问题	分散的医学图像数据	machine learning	NA	federated learning	deep learning-based models	medical images	limited decentralized data (simulated)
3922	2025-04-06	GeoSynth: A Photorealistic Synthetic Indoor Dataset for Scene Understanding 2023-May, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2023.3247087 PMID:37027722	research paper	本文介绍了GeoSynth，一个用于室内场景理解任务的多样化、逼真合成数据集	提出了一种新的合成数据集GeoSynth，包含丰富的标注信息，如分割、几何、相机参数等，能显著提升感知任务的网络性能	数据集仅部分公开，可能限制其广泛应用	解决室内场景理解任务中大规模标注数据集创建成本高、耗时长的问题	室内场景	computer vision	NA	NA	NA	image	NA
3923	2025-04-06	MSHT: Multi-Stage Hybrid Transformer for the ROSE Image Analysis of Pancreatic Cancer 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3234289 PMID:37018254	研究论文	提出了一种多阶段混合Transformer（MSHT）方法，用于胰腺癌ROSE图像的自动分类	结合CNN和Transformer的优势，CNN提取多尺度局部特征作为注意力引导，Transformer进行全局建模，提高了分类准确性和注意力区域的准确性	未提及具体局限性	开发一种深度学习方法，用于自动分类胰腺癌ROSE图像，以解决经验丰富的病理学家短缺的问题	胰腺癌ROSE图像	数字病理学	胰腺癌	ROSE技术	MSHT（多阶段混合Transformer）	图像	4240张ROSE图像
3924	2025-04-06	A Transfer Learning Based Cross-Subject Generic Model for Continuous Estimation of Finger Joint Angles From a New User 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3234989 PMID:37018609	研究论文	本研究提出了一种基于迁移学习的跨被试通用模型（CSG），用于从新用户的表面肌电信号（sEMG）连续估计手指关节角度	提出了跨被试通用模型（CSG），结合LSTA-Conv网络和对抗知识迁移学习策略（SAK），显著提升了新用户手指关节角度估计的准确性	模型性能依赖于训练集中被试数量的增加，且未探讨不同手势复杂度对模型性能的影响	开发一种能够适应新用户的、基于sEMG信号的手指关节角度连续估计方法	人类手指关节运动	人机交互	NA	表面肌电信号（sEMG）采集	LSTA-Conv网络（结合长短期特征聚合模块和对抗知识迁移学习策略）	生理信号数据（sEMG）与运动学数据（手指关节角度）	三个公开Ninapro数据集中的多被试数据
3925	2025-04-06	Annotation Cost Minimization for Ultrasound Image Segmentation Using Cross-Domain Transfer Learning 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3236989 PMID:37021897	研究论文	本研究提出了一种名为SegMix的新框架，通过跨域迁移学习最小化超声图像分割中的标注成本	提出SegMix方法，利用片段-粘贴-混合概念生成大量标注样本，并引入超声特异性增强策略，显著降低标注成本	仅在左心室和胎儿头部两个超声分割任务上验证了框架可行性，未在其他医学图像任务上测试	降低医学图像分析中的标注成本	超声图像（左心室和胎儿头部）	数字病理	心血管疾病	深度学习	NA	图像	仅需10张手动标注图像
3926	2025-04-06	Knowledge Distillation in Histology Landscape by Multi-Layer Features Supervision 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3237749 PMID:37021915	研究论文	提出了一种新颖的知识蒸馏算法KDTP，用于提高浅层网络在组织表型分析中的性能	通过多层特征蒸馏，使学生网络的单个层能从教师网络的多个层获得监督，并使用可学习的多层感知器和基于注意力的参数优化特征图匹配	未提及具体计算资源消耗或模型泛化能力的详细评估	提升计算病理学中组织分类任务的性能	组织表型分析	数字病理学	NA	知识蒸馏	CNN	图像	五个公开可用的组织学图像分类数据集
3927	2025-04-06	Reconstruction of Quantitative Susceptibility Mapping From Total Field Maps With Local Field Maps Guided UU-Net 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3238714 PMID:37022058	研究论文	提出了一种基于局部场图引导的UU-Net与自交叉引导Transformer相结合的LGUU-SCT-Net方法，用于直接从总场图重建定量磁化率映射(QSM)	首次提出直接从总场图重建QSM的方法，通过局部场图辅助监督和自交叉引导Transformer增强特征融合与非线性映射能力	仅在体内数据集上进行验证，未涉及更广泛的临床数据测试	改进定量磁化率映射(QSM)的重建精度和效率	磁共振成像(MRI)相位信号	医学影像分析	NA	MRI相位信号处理	LGUU-SCT-Net（改进的U-Net与Transformer结合模型）	磁共振图像	体内数据集（具体数量未说明）
3928	2025-04-06	Asymmetric Effects of Different Training-Testing Mismatch Types on Myoelectric Regression via Deep Learning 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3238966 PMID:37022060	研究论文	本文研究了卷积神经网络（CNN）在肌电同步比例控制（SPC）中预测性能受训练和测试条件差异影响的情况	揭示了训练-测试条件不匹配对CNN预测性能的不对称影响，并探讨了可能的机制	研究仅基于特定任务（画星星）的数据，可能无法推广到其他肌电控制场景	探究训练-测试条件不匹配对肌电SPC设备性能的影响	肌电信号（EMG）和关节角加速度数据	机器学习	NA	肌电信号采集	CNN	时间序列信号	志愿者数据（具体人数未明确说明）
3929	2025-04-06	Generalizable Deep Learning-Based Sleep Staging Approach for Ambulatory Textile Electrode Headband Recordings 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3240437 PMID:37022272	研究论文	提出一种基于深度学习的通用睡眠分期方法，适用于使用纺织电极头带记录的移动睡眠数据	开发了一种能够从标准PSG数据泛化到纺织电极前额EEG移动记录的自动神经网络睡眠分期方法	研究仅涉及10名健康志愿者，样本量较小	开发适用于家庭环境的可靠、自动化和用户友好的睡眠分期解决方案	睡眠分期	机器学习	NA	EEG信号分析	CNN	EEG信号	临床PSG数据集876例，10名健康志愿者家庭记录
3930	2025-04-06	Development of Prognostic Biomarkers by TMB-Guided WSI Analysis: A Two-Step Approach 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3249354 PMID:37027578	研究论文	开发了一种基于TMB引导的WSI分析的两步法框架，用于预后预测	提出了一个结合TMB和WSI的两步法框架，提高了预后预测的准确性和可解释性	研究依赖于特定数据集，可能在其他癌症类型中的泛化性有待验证	开发预后生物标志物，改善癌症患者的生存预测	透明细胞肾细胞癌（ccRCC）患者	数字病理学	肾癌	全切片图像（WSI）分析	深度残差网络	图像	295个内部数据集WSI和304个TCGA-KIRC项目WSI
3931	2025-04-06	LncDLSM: Identification of Long Non-Coding RNAs With Deep Learning-Based Sequence Model 2023-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2023.3247805 PMID:37027676	research paper	介绍了一种基于深度学习的序列模型lncDLSM，用于识别长非编码RNA（LncRNAs）	提出了一种不依赖先验生物学知识的深度学习框架lncDLSM，用于区分lncRNA和其他蛋白质编码转录本	未明确提及具体局限性	开发一种高效识别lncRNA的方法，以帮助研究其形成机制及与疾病相关的下游调控	长非编码RNA（LncRNAs）和蛋白质编码转录本	machine learning	NA	deep learning	deep learning-based sequence model	sequence data	NA
3932	2025-04-06	Privacy-Aware Early Detection of COVID-19 Through Adversarial Training 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3230663 PMID:37015447	研究论文	本文探讨了通过对抗训练实现隐私保护的COVID-19早期检测方法	提出了具有内置保护机制的COVID-19检测模型，能选择性保护敏感属性免受对抗攻击	仅使用了英国四家医院的数据，可能影响模型的广泛适用性	开发能保护患者隐私的COVID-19早期检测模型	COVID-19患者	机器学习	COVID-19	对抗训练	神经网络	临床数据（血液检测和生命体征测量）	来自牛津大学医院(OUH)、贝德福德郡医院NHS基金会信托(BH)、伯明翰大学医院NHS基金会信托(UHB)和朴茨茅斯医院大学NHS信托(PUH)的数据集
3933	2025-04-06	Bi-CapsNet: A Binary Capsule Network for EEG-Based Emotion Recognition 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3232514 PMID:37015506	研究论文	提出了一种用于基于EEG情感识别的二进制胶囊网络（Bi-CapsNet），以降低计算成本和内存使用	Bi-CapsNet将32位权重和激活二值化为1位，并用高效的位操作替换浮点操作，同时通过连续函数近似二值化过程解决反向传播中的函数不连续问题	识别准确率相比全精度模型有轻微下降（<1%）	开发一种低计算成本和内存使用的EEG情感识别方法	EEG信号	机器学习	NA	二进制神经网络	Bi-CapsNet（二进制胶囊网络）	EEG信号	两个流行的EEG情感数据库（DEAP和DREAMER）
3934	2025-04-06	EEG Reconstruction With a Dual-Scale CNN-LSTM Model for Deep Artifact Removal 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3227320 PMID:37015612	研究论文	提出了一种名为DuoCL的双尺度CNN-LSTM模型，用于深度去除EEG信号中的伪迹	该模型通过双尺度CNN提取形态特征，并通过LSTM强化时间依赖性，能够有效去除未知和混合伪迹	未提及具体的数据集大小或实验条件的限制	提高EEG信号中伪迹去除的准确性和适应性	EEG信号	机器学习	NA	CNN, LSTM	双尺度CNN-LSTM模型	EEG信号	未提及具体样本数量
3935	2025-04-06	Multimodal Fusion Network for Detecting Hyperplastic Parathyroid Glands in SPECT/CT Images 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3228603 PMID:37015701	研究论文	提出一种多模态融合网络用于SPECT/CT图像中增生甲状旁腺的检测	首次在SHPT疾病中使用SPECT/CT图像检测异常甲状旁腺，并提出了一种新型的三路径架构融合网络	未提及具体样本量及可能存在的泛化性问题	提高SPECT/CT图像中低摄取甲状旁腺的检测准确率	继发性甲状旁腺功能亢进症(SHPT)患者的增生甲状旁腺	数字病理	甲状旁腺疾病	SPECT/CT双模态成像技术	CNN（三路径架构融合网络）	医学影像（SPECT/CT图像）	NA
3936	2025-04-06	A Hierarchical Attention-Based Method for Sleep Staging Using Movement and Cardiopulmonary Signals 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3228341 PMID:37015702	research paper	提出了一种基于分层注意力机制的深度学习方法，利用身体运动、心电图和腹部呼吸信号进行睡眠分期	结合多头自注意力机制和CNN，实现了分层自注意力权重分配，改进了长序列处理和序列建模能力	仅使用了两个公共数据集进行评估，可能需要更多数据验证方法的泛化能力	开发一种非侵入式设备获取的运动和心肺信号进行长期睡眠监测的方法	睡眠分期	machine learning	NA	NA	LSTM, CNN, 多头自注意力机制	身体运动信号、心电图(ECG)、腹部呼吸信号	两个公共数据集
3937	2025-04-06	A Single-Shot Harmonic Imaging Approach Utilizing Deep Learning for Medical Ultrasound 2023-Mar, IEEE transactions on ultrasonics, ferroelectrics, and frequency control DOI:10.1109/TUFFC.2023.3234230 PMID:37018250	research paper	提出一种基于深度学习的单次谐波成像技术，用于医学超声，以提高成像质量和帧率	使用深度学习技术实现单次谐波成像，相比传统多脉冲谐波成像方法提高了帧率并减少了运动伪影	未明确提及具体局限性	解决医学超声中谐波成像的对比度降低和帧率问题	医学超声图像	医学影像处理	NA	深度学习	非对称卷积编码器-解码器结构	超声回波数据	多种目标和样本进行评估
3938	2025-04-06	Convolutional Feature Descriptor Selection for Mammogram Classification 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3233535 PMID:37018253	研究论文	本文设计了一种新型深度学习方法，用于自动诊断乳腺X线摄影中的乳腺癌，重点关注局部病变区域并仅使用图像级分类标签	提出了一种基于深度激活图分布的自适应卷积特征描述符选择（AFDS）结构，采用三角阈值策略计算特定阈值以指导激活图确定哪些特征描述符（局部区域）具有区分性	需要进一步验证在更大规模数据集上的性能表现	开发一种无需额外检测或分割注释的乳腺癌自动诊断方法	乳腺X线摄影图像	计算机视觉	乳腺癌	深度学习	CNN	图像	两个公开可用的INbreast和CBIS-DDSM数据集
3939	2025-04-06	Deep Multitask Learning by Stacked Long Short-Term Memory for Predicting Personalized Blood Glucose Concentration 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3233486 PMID:37018303	研究论文	本文提出了一种结合多任务学习的深度学习模型，用于个性化血糖预测	采用共享和聚类隐藏层的网络架构，结合堆叠LSTM层学习通用特征，并通过性别特定和个体特定的密集层进行个性化调整	NA	预测个性化血糖浓度以支持人工胰腺控制算法和医疗决策	I型糖尿病患者的血糖数据	机器学习	糖尿病	深度学习	LSTM	临床健康记录	OhioT1DM临床数据集
3940	2025-04-06	A Multi-Modal Heterogeneous Graph Forest to Predict Lymph Node Metastasis of Non-Small Cell Lung Cancer 2023-Mar, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2022.3233387 PMID:37018304	研究论文	本文提出了一种多模态异构图森林方法（MHGF），用于从多模态数据中提取淋巴结转移（LNM）的深度表示，以预测非小细胞肺癌的淋巴结转移	提出了一种新的多模态异构图森林方法（MHGF），通过构建子图并利用图神经网络学习子图表示，提高了淋巴结转移预测的准确性和稳定性	实验样本量相对较小（681例患者），可能影响模型的泛化能力	开发一种机器学习方法，用于准确预测非小细胞肺癌的淋巴结转移	非小细胞肺癌患者的淋巴结转移	数字病理学	肺癌	多模态数据融合、图神经网络	ResNet-Trans、图神经网络	CT图像、临床特征	681例患者的多模态数据